人工智能课程群联合宽广数据资源拓展自动化品牌专业新工科建设

暴 琳，陈熙维，魏海峰，叶树霞

（江苏科技大学 电子信息学院，江苏 镇江 212100）

在当前数字中国的大时代背景下，随着云计算、计算机软硬件等技术的迅猛发展，信息量急剧增长，大数据中蕴含着丰富的有价值信息和巨大的挖掘潜力，互联网、大数据与人工智能等相关研究在学术界和工业界蓬勃发展，吸引了科技界、产业界和政府部门的高度关注。2017 年“两会”期间，人工智能首次被写入政府工作报告中，国务院发布了《新一代人工智能发展规划》，标志着人工智能产业已经上升到国家战略层面。大数据的开发与利用已经在互联网、制造业、医疗服务、金融业、物流、电信及零售业等行业广泛展开，从大数据到人工智能，各种智能科技应用正在以前所未有的速度和广度影响并改变人们的生活方式，产生了巨大的产业效益和社会价值。2019 年10 月，习近平主席在第六届世界互联网大会致贺信时指出，“新一轮科技革命和产业变革加速演进，人工智能、大数据、物联网等新技术新应用新业态方兴未艾，互联网迎来了更加强劲的发展动能和更加广阔的发展空间”。

20 世纪50 年代人工智能曾一度获得快速发展，机器学习和深度学习是当今人工智能研究的核心驱动力。2012 年，吴恩达教授在Google 实现了神经网络学习，从结构基础上将这些神经网络显著增大，其层数多、神经元数量也较多，同时通过给系统喂入海量数据来训练网络。特别是2015 年以来，由于图形处理器（Graphics Processing Unit，GPU）的广泛应用，无限拓展的存储能力和全面爆发的大数据流（如：图像数据、文本数据和交易数据等），使得并行计算变得更加快、更便宜且更有效，人工智能研究获得爆发式增长。这些研究内容产生了前所未有的巨大影响。

结合国务院《国家中长期科学和技术发展规划纲要（2006—2020 年）》和《关于促进云计算创新发展培育信息产业新业态的意见》等提出的任务，本文研究人工智能课程群联合宽广数据资源拓展自动化品牌专业新工科建设，是当前高校新工科建设发展任务的重点。人工智能课程群是面向自动化、电子信息工程等专业本科生开设的专业选修课程，将大数据、机器学习、群体智能优化和深度学习等内容有机融合，运用大数据分析、云计算等先进数据分析与处理技术解决工程实际问题，旨在培养学生紧密结合科技创新发展方向，处理复杂工程实际任务的能力。结合江苏科技大学办学特色，建立电子信息学院人工智能课程群，融合了自动化、计算机、应用数学和管理学等学科有机交叉的研究方向，将极大地丰富人工智能领域中机器学习、深度学习等先进理论和技术的实际应用，促进人工智能、大数据分析及处理等研究领域与实体经济深度融合及实际应用，以期在创新引领、共享经济等领域形成新动能，为建设数字中国、智慧社会提供有力支撑。

本文后续内容组织如下：第一节介绍人工智能课程群建设规划；第二节详细讲述人工智能课程群新工科建设内容；第三节给出新工科建设研究的创新性；最后第四节总结本文工作。

一、人工智能课程群建设规划

针对江苏科技大学电子信息学院自动化品牌专业新工科建设，设计并完善一系列课程体系、PPT 视频、多样化教学手段、丰富的项目资源数据和实战案例，整合稳定、可靠与高效的软硬一体化大数据教学科研环境，提供教学教案实例、资源包、实验指导手册、实验示例代码和在线视频等教学资料，实现教学管理、项目实践、科研服务与创新孵化等实际场景的综合应用。人工智能课程群建设规划框图如图1 所示。

图1 人工智能课程群建设规划框图

（一）核心课程建设

人工智能课程群主要包括概率论与数理统计、统计学习方法、人工智能导论、Python 语言、云计算与大数据分析及深度学习等课程。其中，统计学习方法、人工智能导论和云计算与大数据分析课程是电子信息学院自动化品牌专业新工科建设的重点学科。人工智能课程群核心课程建设涉及多方面基础知识和技术技能，要求学生掌握数据科学的基本理论和方法、数据科学思维与建设框架及数据科学的具体应用实例。

（二）实训及实践课程建设

针对人工智能课程群提供教学实验指导手册、实验资源包和实验示例，包括数据爬取、数据预处理、数据建模和数据可视化，学习人工智能和大数据处理技术的基本理论、原理及行业典型项目应用。实验和实践项目案例涉及互联网、运营商、金融、电子商务和政府等多个领域。实验项目按照梯度分类为验证性实验、综合性实验和设计研究型实验三部分。验证性实验用于建立数据科学的基本概念，展示常用数据处理方法，并以典型应用项目为例，展示常见算法的处理与分析效果。综合性实验为学生提供程序代码、行业数据和运行环境，通过数据分析方法进行实现。设计研究型实验案例为学生提供真实数据集和参考代码，鼓励学生在此基础上做进一步探索性分析和改进。

上述实训及实践课程建设基于工程教育理念，设计了大数据工程型人才的教育解决方案，通过学生主动、实践的方式学习并掌握人工智能、大数据分析技术等专业技能，同时，利用在线学习、原理验证、实训应用、综合分析及自主设计等多层次的实践操作，培养学生对于数据科学中建模的理解及运用，提高学生利用大数据方法处理实际具体行业应用问题的能力。这些都为人工智能课程群教学提供了完整的一体化实训实践教学体系，努力培养具备大数据技术知识、项目实践能力和团队协作能力的综合型人才。

二、人工智能课程群新工科建设内容

人工智能课程群新工科建设联合宽广数据资源，围绕人工智能技术的理论及应用，探讨复杂数据环境下数据挖掘理论、机器学习方法与深度学习技术等人工智能学科前沿，整合大数据知识推理、问题分析与求解等关键技术，研究数据科学工具、数据科学算法和行业应用案例等内容，结合云计算平台实现大数据分析技术的实际可行方案及准确性验证方法，助力人工智能课程群课程教学过程中理论与实践的有机融合，开展广泛的教学活动、教学过程和示范应用，拓展自动化品牌专业新工科建设体系，内容丰富且具有相关性。关于具体的理论课程和实验课程建设，本节以人工智能课程群中专业核心课程——云计算与大数据分析为例进行详细介绍。

（一）理论课程建设

云计算与大数据分析课程旨在培养学生运用机器学习、深度学习等数据分析技术，结合云计算平台处理并完成相关工程实际任务，引领学生学习先进大数据分析理论和技术，并在学习中发现问题、解决问题，进而实现知识内化、理解和升华。云计算与大数据分析课程主要教学内容包括：数据的获取和清理、数据的表示方法、知识的自动抽取、基于认知的分析方法及知识发现的理论与方法等内容。云计算与大数据分析课程拟采用如下理论教学方法。

1.课堂讲授（16 学时）。主要讲授基本概念、理论重点、技术难点等知识。充分考虑学生的背景知识和专业特色，通过结合实际用例帮助学生理解理论知识的重点及难点，讲授云计算与大数据分析课程，突出本课程在自动化品牌专业新工科建设中的重要程度及贡献。

2.课堂研讨（8 学时）。用于巩固讲授的理论知识内容。在学习理论知识的过程中，鼓励学生提出具有建设性的解决方案，勤于思考、发现问题、探索问题及拓展思路，期望在课堂研讨中碰撞出创新点、新研究路径的思想火花，紧跟科学研究前沿，充分调动学生学习本课程的学习动力和积极主动性。

3.实验（8 学时）。主要用来开展基于理论知识和技术的科学实验研究。结合云计算平台，利用Python 软件编程实现数据挖掘、机器学习和深度学习等方法的实际应用，通过对于复杂的大规模仿真实验的运行和调试，实现科学理论知识到实践应用的系统性完整展示，帮助学生加深关于理论知识的消化和理解，并在实验过程中有效调动学生学习科学知识、探索科学难点的积极性，甚至挑战科学难点的勇气。

4.学生自主学习。用于自主学习。充分利用MOOC等丰富的视频公开课、网络教学资源及公用云计算平台，完成预习、复习、实践操作及思考题研讨等学习任务。

（二）实验课程建设

根据云计算与大数据分析课程理论教学内容和新工科建设需求，充分调研工程实际需求及大数据环境下的新技术、新方法，理解并掌握目前流行的大数据处理和分析技术，了解其特点和应用场景。本文研究设计了大量与实际应用相结合的具备一定理论深度的实际操作项目实验，具体实验项目内容见表1。

表1 云计算与大数据分析课程实验项目内容

针对不同大数据处理技术、方法及实践创新进行多层次重组和整合优化，设计典型应用项目案例，开发完善的课程体系，多方位学习及训练，满足云计算与大数据分析课程教学及实训需求。同时，进一步整合数据采集、数仓建模和数据视图等，提供行业数据及案例进行科学研究工作。实验训练各模块相对独立，交互式的实验任务、实验教学指导、项目上机操作及考试评分等，保障学生灵活、快速地掌握大数据技术及方法。由于每项实验任务中实验内容丰富、工作量饱满，因此，要求学生在实验课程前，合理分配时间，做好充分的预习准备工作，掌握本门课程所学内容，保证实验内容按质按量完成。同时，为有资质的学生提供拔高空间，为广大学生树立标杆，激励学生勇攀科技高峰。

通过云计算与大数据分析课程建设的理论学习与实践训练，预期取得如下学习成果。

（1）了解云计算的概念、发展简史和特点，理解大数据处理技术和技术分类，理解联合云计算和大数据分析的实现框架。

（2）掌握复杂数据分析和数据挖掘方法，能够结合实际应用实例使用数据分析方法解决实际的分类和预测任务，如：房屋价格预测、图像分类、自然语言处理、情感分析、推荐系统和广告点击率预估等。

（3）利用云计算平台实现大数据分析技术，面向选定的复杂大数据处理和分析任务，结合数据挖掘、机器学习和深度学习等方法，开展大量丰富、多元化的实验内容及实验过程，并分析实验结果，总结实验结论和经验。

三、新工科建设研究的创新性

（一）建设人工智能课程群的研究视角新颖

考虑复杂多源异构大数据环境，联合云计算平台实现大数据分析技术，侧重于借助云计算等高性能计算设备优势，解决工程实际中数据挖掘、数据分析问题等研究任务。人工智能课程群注重通过引入和分析应用实例，引导学生独立思考、自主分析，适当安排不同难度的课堂讨论、课外练习题及实践任务，因材施教。同时，结合理论授课内容，课程实验内容围绕课程主要知识点，强调理论学习与实践运用相结合，及时巩固学习成果，提高学生的实验分析能力、专业知识应用技能、项目实践能力和科研创新能力。

（二）构建人工智能课程群的资源丰富

联合云计算平台，充分利用人工智能大数据实验室等丰富的软硬件资源，引入行业典型项目案例，构建人工智能课程群实验项目体系。此外，深度学习领域已有大量研究成果，能够为人工智能课程群建设提供理论和技术支持，且当前GitHub 提供大量开源程序资源，也为课程实验项目案例的构思和设计提供了信息来源与技术保障。

（三）人工智能课程群的实践方式紧跟技术发展步伐

基于实际应用场景，采用适应复杂环境的数据库技术存储大数据信息，利用Python 软件建设数据挖掘与数据分析的实例仿真实验平台，选择流行的云计算平台实现各类数据挖掘、机器学习及深度学习等数据分析方法，提供可行的联合方式和实际操作的解决方案，并通过可视化模块展示数据分析结果，形象地展示技术变革在大数据分析技术研究领域所带来的巨大影响。

四、结束语

由于人工智能、大数据、云计算和深度学习技术的飞速发展，人工智能相关应用已经在很多领域逐步实现。本文研究结合对宽广教学资源进行有效综合利用，构建人工智能课程群支撑自动化品牌专业建设，由浅入深，循序渐进，有效融合理论知识、实验教学和实际大数据实践项目，提供定制化的实验、实训与科研综合解决方案，使其作为教学、科研的基本工具和必要素质，满足理论性和实践性教学的双重需要，提升江苏科技大学电子信息学院人工智能课程群的课程体系建设和实际教学效果，推进优质教学资源共享和自动化品牌专业教学质量，助力高校提升相关专业竞争力，培养研究型、应用型等稀缺型工程技术人才。同时，匹配广大教师的科学研究需求，全方位支撑自动化品牌专业建设的教学、科研需求，从而有效提升科研成效及成果转化，开创多方共赢局面。这些研究内容将极大地丰富人工智能研究领域及学校特色专业与数据分析技术的结合方式及实践应用，进一步提升人工智能课程群在当前江苏科技大学电子信息学院探索自动化品牌专业新工科建设中的贡献。